TY -的A2 -您好,冈萨洛盟——Abonyi Janos盟卡,理查德•AU - Dorgo Gyula PY - 2021 DA - 2021/08/16 TI -基于事件树的序列挖掘使用LSTM深度学习模型SP - 7887159六世- 2021 AB -在现代技术的操作系统,使用LSTM模型预测过程变量值和系统状态通常是广泛的。本文的目的是扩大LSTM-based模型的应用在基于预测的获取信息。在这种方法中,通过预测过渡概率,输出层被解释为一个概率模型通过创建一个预测序列树而不是一个序列。通过进一步分析预测树,我们可以考虑风险因素,提取更复杂的预测,并分析了是哪个事件树的不同的输入序列,也就是说,与给定状态或输入序列,即将到来的事件,其发生的概率。的在线应用程序,利用一系列的输入事件和概率树,可以预先确定随后的事件序列。演示了该方法的适用性和性能数据集通过一个事件的发生是预先确定的,并进一步用高阶决策树模型生成的数据集。简单而有效的案例研究验证的性能工具创建的结构生成树,并确定概率反映原始数据集。SN - 1076 - 2787你——https://doi.org/10.1155/2021/7887159——10.1155 / 2021/7887159 JF - PB - Hindawi KW - ER -复杂性